矢量量化压缩图像中的安全隐写方法

提出一种用于矢量量化压缩图像的安全数据隐藏方案.为降低数据嵌入引入的失真,以码字间的矢量均方差为优化指标,采用遗传算法实现码本的优化分割,并提出基于码本分割的数据嵌入算法.采用基于自适应算术熵解码的数据映射方法,实现了嵌入前后统计特性的保持.实验结果表明,所提出的算法在容量、失真水平和安全性方面具有较好的综合性能.     

基于分割的空域图像隐写分析

提出一种基于图像内容的空域隐写分析方法, 该方法对图像进行分割, 使分割得到的每一类子图像具有相同的统计特性, 并对每一类子图像提取更加敏感的隐写分析特征, 分别构造分类器进行训练和测试, 由此对分割所得到的每一幅子图像都可以得到一个检测结果. 对整幅图像的判决结果通过加权融合得到. 实验结果表明,该方法具有良好的性能, 尤其是针对自适应隐写方法, 该算法的检测准确率提高更加明显.     

矢量量化压缩图像中的安全隐写方法

提出一种用于矢量量化压缩图像的安全数据隐藏方案 .为降低数据嵌入引入的失真,以码字间的矢量均方差为优化指标,采用遗传算法实现码本的优化分割,并提出基于码本分割的数据嵌入算法. 采用基于自适应算术熵解码的数据映射方法,实现了嵌入前后统计特性的保持 .实验结果表明,所提出的算法在容量,失真水平和安全性方面具有较好的综合性能.

     

基于边缘复杂度和插值法的隐写算法

为了在提高隐写容量的同时保持较好的不可感知性, 依据人眼对图像边缘区域变化不敏感的特性, 提出一种新的自适应隐藏算法。该方案完善了图像边缘复杂度的描述方法, 利用边缘检测理论计算出像素的嵌入强度, 然后通过改进的插值法, 根据嵌入强度, 对图像像素进行插值, 构造出插值点与基准点之间的冗余空间, 从而嵌入相应数据量的秘密信息。实验结果表明, 与传统算法相比, 该方法提高了隐写容量并具有较好的隐蔽性。     

基于隐写编码和Markov模型的自适应图像隐写算法

如何构造大容量、低失真和高统计安全的隐写算法一直是隐写研究的难点和热点.提出一种兼顾感知失真和二阶统计安全的自适应图像隐写算法设计思路.算法将载体各部分的平滑度引入隐写编码的生成过程,自适应地利用一簇隐写编码在载体各部分的合理运用降低载密图像失真度;在隐秘信息嵌入方式上利用基于Markov链模型的动态补偿方法提高载密图像统计安全性;算法对载体最低有效位和次最低有效位进行嵌入以保证嵌入容量.实验表明算法在相同嵌入量下相较双层随机LSB匹配算法以及仅使用一种隐写编码的算法,失真度更低且载体统计分布的改变更小,而在失真度和统计分布改变相近时嵌入容量更大.     

最优像素调整耦合基因算法的高容量图像隐写研究

为了解决当前图像隐写方案存在阶梯效应,使其不可感知能力差,且其信息隐藏容量小(≤50%)等不足,本文设计了最优像素调整耦合基因算法的高容量图像隐写术。基于HDWT(Haara Discrete Wavelet Transform) 机制,构造隐藏信息长度计算模型,找出图像分块的频域表示,以改善隐写鲁棒性;根据载体图像与隐写图像之间的绝对误差,设计适应度函数,借助基因算法,获取最优映射函数,将秘密信息嵌入到HDWT系数中;并设计最优像素变换方案,降低载秘图像与载体图像之间的嵌入误差,显著增大隐写容量;再设计该算法的提取机制,获取信息图像;以PSNR(Peak Signal to Noise Ratio)构建反馈机制,优化提取质量。仿真结果显示：与其他隐写机制相比,本文算法具备更大的隐写容量和更强的不可感知性能;拥有更高的检测精度,可有效区分载体与隐写图像特征值。     

基于视觉注意力和局部复杂性的图像隐写算法

视觉注意力是人类感知系统中一个十分重要的特性,但目前基于人类视觉感知机理的隐写算法大多只考虑亮度、对比度和掩蔽效应等低层因素.文中将视觉注意力模型引入隐写算法中,提出一种新的基于视觉注意力和局部复杂性的图像隐写算法.算法先采用均方差分析图像的局部复杂性,在复杂性较大的区域引入Itti模型构造注意力显著图,进而利用视觉熵来定量刻画注意力特性,并将图像分块处理,图像块按照不同的局部复杂程度和注意力等级分成3种类型,最终利用LSB方法进行隐写.大量实验结果表明,文中算法在嵌入大量信息后仍能保持较好的视觉感知效果,且能抵抗一类通过直方图对比的隐写分析方法.     

烟花算法优化的软子空间MR图像聚类算法

现有的软子空间聚类算法在分割MR图像时易受随机噪声的影响,而且算法因依赖于初始聚类中心的选择而容易陷入局部最优,导致分割效果不理想.针对这一问题,提出一种基于烟花算法的软子空间MR图像聚类算法.算法首先设计一个结合界约束与噪声聚类的目标函数,弥补现有算法对噪声数据敏感的缺陷,并提出一种隶属度计算方法,快速、准确地寻找簇类所在子空间;然后,在聚类过程中引入自适应烟花算法,有效地平衡局部与全局搜索,弥补现有算法容易陷入局部最优的不足.EWKM,FWKM,FSC,LAC算法在UCI数据集、人工合成图像、Berkeley图像数据集以及临床乳腺MR图像、脑部MR图像上的聚类结果表明,所提出的算法不仅在UCI数据集上能够取得较好的结果,而且对图像聚类也具有较好的抗噪性能,尤其是对MR图像的聚类具有较高的精度和鲁棒性,能够较为有效地实现MR图像的分割.     

基于Markov链安全性的二阶统计保持隐写算法

如何设计高阶统计安全的大容量隐写算法是当前隐写研究的难点和热点。该文基于Markov链安全性指标和动态补偿的思路,提出一种二阶统计保持的隐写算法。该算法在不降低嵌入量的前提下尽量保持了载体图像的二阶统计特性。实验结果表明,该算法在较大容量数据嵌入过程中,能较好保持二阶统计特性,取得隐写安全性的提高。     

基于噪声感知残差网络的JPEG隐写分析方法

为了进一步挖掘自适应JPEG隐写图像中隐写噪声信号特征,提出基于噪声感知残差网络的JPEG隐写分析方法.该方法由噪声感知、噪声分析和判断三部分组成.其中,噪声感知部分提取图像噪声,利用图像去噪网络,更加全面地捕获隐写引入的扰动;噪声分析部分获得噪声信息的统计特征;判断部分确定图像是否携带隐写信息.此外,网络中的残差连接有效融合多尺度特征,并防止训练中出现梯度消失和爆炸.多种条件下的对比实验结果表明,该方法相较于对比算法,能够提升针对JPEG自适应隐写的检测性能并具有更好的泛化能力.     

VQ-based watermarking scheme with genetic codebook partition

To enhance the traditional vector quantisation (VQ) system by adding the watermarking ability, a digital image watermarking scheme, which modifies the VQ indices to carry watermark bits, is presented. This scheme partitions the main codebook into two sub-codebooks by referring to the user-key. Then, for each input vector of the cover image, a sub-codebook is selected according to the watermark bit to be embedding. The traditional VQ coding procedure is then done using the sub-codebook for the vector. Furthermore, to improve the performance of the scheme, a genetic codebook partition (GCP) procedure, which employs the genetic algorithm (GA) to find a better way to split the codebook, is proposed. It is demonstrated that the proposed methods provide faster encoding time, better imperceptibility, stronger robustness under some common attacks, and easier implementation than some related VQ-based watermarking schemes proposed in the literature.     

基于概率分布估计算法的进化规划码书设计算法

提出一种以最近邻划分变异为搜索策略,并以EP(进化规划)与EDA(概率密度估计算法)相结合的混合进化方法作为搜索引擎的新型码书设计算法.在最近邻划分上,引入最近邻划分控制因子作为进化算法的染色体表示,实现最近邻划分变异,从而改变质心运动轨迹.染色体与矢量同维,编码空间相对较小,并且进化操作易于控制和实现.在混合进化方法中,EDA为EP提供了最优个体的搜索方向,加速了算法的收敛速度.实验结果表明该方法是能有效提高码书性能的一种优化方法.     

High payload image steganography scheme with minimum distortion based on distinction grade value method

Presently, the design and development of an effective image steganography system are facing several challenges including the low capacity, poor robustness and imperceptibility. To surmount such limitations, it is important to improve the capacity and security of the steganography system while maintaining a high signal-to-noise ratio (PSNR). Based on these factors, this study is aimed to design and develop a distinction grade value (DGV) method to effectively embed the secret data into a cover image for achieving a robust steganography scheme. The design and implementation of the proposed scheme involved three phases. First, a new encryption method called the shuffle the segments of secret message (SSSM) was incorporated with an enhanced Huffman compression algorithm to improve the text security and payload capacity of the scheme. Second, the Fibonacci-based image transformation decomposition method was used to extend the pixel’s bit from 8 to 12 for improving the robustness of the scheme. Third, an improved embedding method was utilized by integrating a random block/pixel selection with the DGV and implicit secret key generation for enhancing the imperceptibility of the scheme. The performance of the proposed scheme is assessed experimentally to determine the imperceptibility, security, robustness and capacity. The resistance of the proposed scheme is tested against the statistical, χ², Histogram and non-structural steganalysis detection attacks. The obtained PSNR values revealed the accomplishment of the higher imperceptibility and security by the proposed DGV scheme while maintaining higher capacity compared to the reported findings. In short, the proposed steganography scheme outperformed the commercially available data hiding schemes, thereby resolved the existing issues.

     

最大奇异值移位的鲁棒图像信息隐藏

为了提高图像信息隐藏的鲁棒性和不可感知性,提出了一种基于图像块最大奇异值移位的鲁棒信息隐藏算法.算法首先对图像分块并对每个图像块进行奇异值分解,根据图像块最大奇异值的大小选择合适的阈值,并对图像块的最大奇异值进行区间划分,通过将最大奇异值移位到与秘密信息比特相对应的区间实现秘密信息的嵌入.实验结果表明,该算法具有较大的嵌入容量,且在嵌入相同大小的秘密信息时与其他同类算法相比,具有更好的图像视觉质量和鲁棒性.该算法更能适应噪声环境下的信息隐藏.     

一种基于熵理论的自适应水印嵌入算法

为了提高数字图像嵌入水印时的不可感知性与鲁棒性,提出一种利用图像信息熵与边缘熵理论并结合果蝇优化算法的水印嵌入方案。首先对载体图像进行分块,并计算每个分块的信息熵与边缘熵,将每个分块的2个熵值相加并排序。然后根据嵌入水印的容量选择熵值较高的分块,并将每一位水印信息嵌入到经过小波变换与奇异值分解的分块中。最后为了进一步平衡嵌入水印不可感知性与鲁棒性之间的矛盾,利用果蝇算法对嵌入水印的强度进行自适应优化。实验结果表明该方法具有更好的不可感知性,在面对多种类型、多种强度的模拟攻击时比同类算法表现出更强的鲁棒性。     

基于稳健统计的矢量量化器设计算法

L BG算法作为矢量量化的基本算法具有经典意义 ,但由于在训练图象中 ,总存在少量的离群矢量 ,使得在训练码书时 ,码字的分布受到影响 ,进而使得压缩性能下降 ,因而不能充分体现出矢量量化的优越性能 .而运用基于稳健统计的方法来设计矢量量化器 ,由于减少了码书中的离群矢量 ,同时加强了中心矢量在码书中的权重 ,因而不仅能够尽量减少码书的冗余 ,而且能大幅度提高压缩性能 .实验结果显示 ,用基于稳健统计的设计方法设计的码书 ,其压缩性能比传统的 L BG算法有了较大的改善 ,且恢复图象的主观、客观效果都是令人满意的 .     

矢量量化的初始码书算法

矢量量化的初始码书设计是很重要的,影响或决定着其后码书形成算法的迭代次数和最终的码书质量。针对原有的初始码书算法在性能上随机性强与信源匹配程度不高的问题,提出一种对于训练矢量实施基于分量的和值排序,然后做分离平均的初始码书形成算法。算法使用了矢量的特征量,脱离了对于图像结构因数的依赖,能产生鲁棒性较好的初始码书。实验证明了该方法的有效性,与LBG算法结合可进一步提高码书质量。     

一种基于VQ的自适应多重水印算法

提出一种基于矢量量化和DCT的多重鲁棒性水印算法,所提算法利用人类HVS及图像特征将不同的水印信号分别嵌入到载体图像的码书和DCT域中,通过自适应选择嵌入参数,保证水印算法的不可见性及抗攻击性能。实验结果表明所提水印算法比基于扩频调制的水印算法在抵抗各种信号处理所带来的攻击的鲁棒性方面有较大的改进,特别在抵抗同谋攻击方面具有较好的鲁棒性。     

A novel approach for fast codebook re-quantization

In this paper, we present a fast codebook re-quantization algorithm (FCRA) using codewords of a codebook being re-quantized as the training vectors to generate the re-quantized codebook. Our method is different from the available approach, which uses the original training set to generate a re-quantized codebook. Compared to the traditional approach, our method can reduce the computing time dramatically, since the number of codewords of a codebook being re-quantized is usually much smaller than the number of original training vectors. Our method first classifies codewords of a re-quantized codebook into static and active groups. This approach uses the information of codeword displacements between successive partitions to reject impossible candidates in the partition process of codebook re-quantization. By implementing a fast search algorithm used for vector quantization encoding (MFAUPI) in the partition step of FCRA, the computational complexity of codebook re-quantization can be further reduced significantly. Using MFAUPI, the computing time of FCRA can be reduced by a factor of 1.55–3.78. Compared with the available approach OARC (optimization algorithm for re-quantization codebook), our proposed method can reduce the codebook re-quantization time by a factor of about 8005 using a training set of six real images. This reduction factor is increased when the re-quantized codebook size and/or training set size are increased. It is noted that our proposed algorithm can generate the same re-quantized codebook as that produced by the OARC.     

基于自组织特征映射神经网络的矢量量化

近年来,许多学者已经成功地将Ｋｏｈｏｎｅｎ的自组织特征映射（ＳＯＦＭ）神经网络应用于矢量量化（ＶＱ）图象压缩编码,相对于传统的ＫＬＢＧ算法,基于的ＳＯＦＭ算法的两个主要缺点是计算量大和生成的码书性能较差因此为了改善码书性能,对基本的ＳＯＦＭ算法的权值调整方法作了一些改进,同时为了降低计算量,又在决定获得胜神经元的过程中,采用快速搜索算法,在将改进的算法用于矢量量化码书设计后,并把生成的码书用于图象